末敏弹稳态扫描段红外特性的实验研究

以考核红外预警系统对末敏弹的探测识别效能为应用背景,通过在高空热气球上投放末敏弹,同时利用地面热像仪实时跟踪捕获的实验方法,获得了复杂云层背景下,末敏弹稳态下落过程中的红外图像序列。针对图像模糊、信噪比低等特点,提出一种组合空域滤波的目标检测方法,该方法利用小波阈值和中值滤波去噪,Top-Hat变换抑制背景,最后通过形态学滤波提取目标并增强目标和背景的灰度对比度。多帧检测结果显示:该组合滤波算法能够有效提取实验图像序列中的末敏弹,为进一步的目标跟踪技术研究奠定了基础。     

自动多目标识别和跟踪系统

研制的自动多目标识别和跟踪系统采用了三级分类识别、动态景物分析等技术,不仅改善了微弱运动目标的捕获能力、实现了运动多目标识别,还具有预计目标遮掩及实现目标再捕获的能力,使系统具有高的目标识别率,当目标数为10个时,系统识别速率为10帧/s。     

动态目标识别中的实时复杂巡航场景运动检测

设计并实现了一种适合于工程中动态目标识别应用的实时的复杂巡航场景运动检测技术。首先,对背景和当前帧两幅图像进行卷积处理,提取边缘图像。然后分块计算背景边缘图像的局部熵,根据局部熵大小合理选取配准模型组。采用模型组与当前帧边缘图像的相关性强度及运动偏移量结果,完成场景的运动估计。实验结果表明,本文方法用于红外和可见光图像均十分有效,在分辨率为320×256,帧频50Hz的红外图像以及分辨率为768×576,帧频25Hz的可见光图像中运行时间分别为13、24ms,达到了工程中应用的实时性处理要求。同时,在后续的图像处理中场景运动检测有效剔除了复杂背景图像对目标识别的干扰,可准确检测出运动变化目标。     

动态变形伪装技术对抗红外成像制导武器打击可行性研究

红外成像制导武器精度高、抗干扰和全天候工作能力强、打击距离远,在复杂背景条件下具有捕获、识别、锁定和跟踪目标的自动决策能力,尤其适合攻击纵深的地面固定目标。在高技术兵器迅速发展的今天,已成为各国重点研究和发展项目之一,对国防工程生存构成严重威胁。文中对红外成像制导过程中的目标跟踪机理作了分析,提出了利用动态变形方法对抗红外成像制导武器攻击的思路。     

地面红外目标图像识别方法研究

红外成像自动目标识别是精确制导武器的重要研究内容.针对地面复杂背景条件下,目标难以检测识别的问题,在分析地面目标红外图像场景的基础上,首先利用形态学技术对图像进行去噪和抑制背景,采用Otsu法对图像进行阈值分割并用形态学技术消除虚警目标点,用扩展像素标记法对图像进行区域标记,然后提取目标形状、矩和统计分布三类特征作为识别特征,并采用模糊综合评判方法识别目标.对实地拍摄的100幅坦克目标红外图像进行了识别实验,结果表明,该方法在坦克的典型作战环境下具有较强的抗噪性能和抑制背景结构干扰的能力,能有效识别出目标,并且易于用并行处理和硬件实现.     

运用隔帧模板匹配算法检测复杂背景下运动目标

提出一种用于复杂背景下实时识别运动目标的新方法,该方法首先利用预处理滤除大部分灰度较低的背景和杂波,然后再采用不同间隔的序列模板分别进行二次误差匹配并构成并行结构来识别目标.该方法成功地克服了传统的模板匹配法计算量大,耗时多的不足,并使整个系统能够探测到静止甚至速度较大的运动目标,且在部分被遮挡甚至偶尔目标失锁的情况下依然能较好地跟踪.仿真结果也表明了该方法的有效性.     

基于复杂背景的红外机场目标自动识别算法研究

根据复杂背景下前视红外机场目标的特点，提出了基于知识的自动目标识别算法，算法的设计以实用性为宗旨，在不影响算法性能的前提下尽量提高其实时性能：通过提取感兴趣区域来缩小处理范围，采用双阈值最大类间方差快速算法快速准确找到分割阈值，采用快速标记算法标记分割图像，利用Freeman链码描述机场的轮廓特征，根据模糊综合评判机制分析机场的目标特征。通过硬件处理平台的仿真验证，该算法对机场目标红外图像有一定的识别能力，且具有较高的实时性。     

基于红外双波段图像融合的点目标识别

为解决红外警戒系统中点目标的识别问题,提出了一种新的点目标识别方法。该方法 首先分别对单波段红外图像进行背景预测与抑制,然后对取自适应阈值后的双波段图像根据目标的运动特征进行融合,最后通过图像序列分析给出最终的目标识别结果。仿真实验表明,该方法对背景有很好的抑制效果,可大大减少目标识别中候选目标点的数目,因而有利于点目标的识别。     

复杂背景下的红外探测虚警抑制方法研究

虚警抑制是红外小目标检测系统中的重要任务之一,在复杂场景下,存在着大量与目标灰度特征相似的干扰易被识别为虚警,现有方法难以准确、高效地区分目标并滤除虚警。本文提出了一种基于目标相对运动推理法的高鲁棒性红外虚警抑制方法,通过对上报目标进行运动信息提取,并分析目标间的相对运动关系,以构建运动信息匹配表,最终根据运动信息匹配结果进行投票信息选择,以滤除上报信息中的虚警。在8种包含虚警的复杂场景下进行了实验,包括背景相对相机静止目标移动的场景、目标相对相机静止虚警移动的场景、相机画面剧烈抖动的场景以及所有检测目标均为虚警的场景。实验结果表明,本文提出的方法在以上场景中都能够准确滤除虚警,同时可以在所有候选目标均为虚警的场景下保持虚警率为0。基于相对运动推理的方法可以实现复杂场景中的虚警抑制,在不同场景中表现稳定、快捷、滤除率高。     

基于光流估计的红外弱小运动目标检测

提出了一种对复杂云层背景下红外图像序列中弱小运动目标分割和检测的方法.首先,利用Hom-Schunck算法计算序列图像的光流场,然后利用阙值分割和数学形态学滤波的方法进行目标检测,滤除噪声后提取出背景中的运动目标.实验结果表明,该算法对实时检测在复杂背景的红外图像中运动的弱小目标具有很好的效果.     

红外警戒系统小目标实时检测方法

研究了一种用于红外警戒系统的小目标检测新方法。考虑实际检测图像中的目标具有低对比度、小尺寸和运动连续性以及背景包含复杂的地面场景等特点，该方法以序列图像中的连续三帧为一组进行对称差分运算，既保证了系统要求的目标检测概率和虚警率指标，又便于硬件的实时实现。本文详细讨论了该算法的软、硬件实现原理，并进行了实时性分析。     

卫星红外图像中单帧目标检测算法研究

在有复杂云层背景的卫星红外图像中准确地检测出存在的运动目标是目前图像处理的研究热点。DBT类的运动目标检测算法有单帧目标检测和多帧轨迹关联两大步骤。为更好抑制起伏背景和背景结构边缘,文章提出一种新的单帧内背景抑制算法——邻域最小差值滤波,该算法与典型的背景预测算法（中值滤波和高通线性模版滤波）相比具有更好效果;最后针对高斯噪声条件下,利用统计分割方法对抑制背景结果进行阈值分割得到候选目标,从而形成一套针对卫星红外图像的快速有效的单帧目标检测算法。     

基于背景杂波自适应预测的红外弱小目标检测

文章根据背景杂波和运动目标的红外成像差异,提出了两种自适应杂波预测技术的低 信噪比小目标检测方法。首先讨论了一种基于均方误差最小的自适应线性预测器,该预测器计算量小,易满足实时要求,且对平稳和线性云层红外背景图像具有很好的背景预测能力。然后提出了一种基于非线性函数可调整的BP 神经网络预测器,该预测器中的非线性函数可调整且非线性程度很高,能很好的适应各种复杂的起伏背景,特别是非平稳和非线性杂波背景。文中还通过实际的红外图像验证了两种方法的有效性。     

一种基于视频序列的行人检测算法研究

随着计算机视觉技术在图像处理与模式识别中应用的不断深入,人体 运动目标检测逐渐成为了备受人们关注的热点问题。提出了一种改进的人体运动目标检测算法。 用中值法提取了图像的背景,然后通过结合背景差分法和帧间差分法处理图像得到了运动目标区域。试验结果 表明,该方法可克服单种算法所带来的缺陷,同时还具有较高的准确性,且满足工程实时性的需 求。本文算法简单有效,适合应用在嵌入式平台上。     

复杂背景下红外运动点目标检测算法研究

讨论了复杂背景下低信噪比运动点目标的检测和跟踪问题，提出了基于卡尔曼滤波理论的背景预测，数学形态学膨胀累加，图像流航迹关联和二级并行假设检验的点目标检测方法。实验结果表明该算法能够较大程度提高红外图像的信噪比，有效地检测和跟踪点目标，并且能够解决目标丢失以及跟踪过程中出现目标的问题。     

一种新的红外图像伪彩色变换方法研究

提出了一种新的红外灰度图像伪彩色变换方法。在用于 红外灰度图像处理时,该方法不仅可以增强目标的自身细节,而且还可以提高目标与背景之间的对比度。 实验结果表明,本文方法能够使目标与背景之间的区分变得更加明显,目标边缘 变得更清晰,有利于对复杂海空背景下的运动目标进行分析和判读。     

强背景杂波条件下运动的弱小目标检测方法

根据目标、背景干扰和噪声在红外序列图像中的差异。提出了一种基于空间高通滤波和时间域上N帧轨迹积累的运动小目标检测方法。该方法可以在低信噪比的情况下消除红外起伏和随机噪声的影响,有效检测出弱小目标。实验结果表明,采用这种时空混合处理的方法可以得到满意的结果。     

高速运动可视多目标精确检测研究

讨论了图像目标高速运动情况下邻帧差分运动检测法的严重缺陷。利用图像能量、高阶统计量理论,建立背景约束准则,运用块处理技术对序列场景进行快速背景重建,依靠重建背景进行运动区域检测。基于DSP C54X的平台测试表明:该文算法背景重建速度快,1秒左右即可完成无失真重建;动目标检测精度高、与目标速度无关。具有重要的理论及应用价值。     

自动目标识别(ATR)可靠性研究

对同类目标畸变不变的正确识别率与不同类目标分类误识别率是衡量一个自动目标识别 (ATR)系统的两个最重要性能指标。但在实际应用中 ,ATR系统所获取的外场的目标与背景总是处于随时间不断变化的条件下 ,与系统所存储的参考目标通常都不会一致 ,从而导致相关识别SNR劣化。特别对于多目标识别与不同类目标的区分 ,常规的相关门限判决方法会造成很大的误识别 ,大大影响了ATR系统的识别可靠性。本文采用人工神经网络 (ANN)与模糊逻辑技术 ,对相关信号与噪声进行实时数字后处理 ,通过对信号与噪声强度分布等高线而不仅仅是强度的识别 ,大大提高了ATR系统的识别可靠性 ,改善了识别效率。